Συνεχης ενημερωση

    Τετάρτη, 17-Απρ-2019 10:00

    Μαθαίνοντας τους υπολογιστές να κατανοούν τα ανθρώπινα συναισθήματα

    • Εκτύπωση
    • Αποθήκευση
    • Αποστολή με email
    • Προσθήκη στη λίστα ανάγνωσης
    • Μεγαλύτερο μέγεθος κειμένου
    • Μικρότερο μέγεθος κειμένου
    Μαθαίνοντας τους υπολογιστές να κατανοούν τα ανθρώπινα συναισθήματα

    Του Yannis Mouratidis

    Οι υπολογιστές που είναι εξοπλισμένοι με εξαιρετικά εξελιγμένα ηλεκτρονικά συστήματα είναι σε θέση να μετατρέψουν τα αναλογικά δεδομένα του περιβάλλοντος σε ψηφία που μπορούν να τεθούν υπό επεξεργασία. Οι αισθητήρες εικόνας και τα τσιπ που ψηφιοποιούν φυσικούς ήχους είναι πολύ παρόμοια με τις αισθήσεις του υπολογιστή που επεξεργάζονται όλα τα ψηφιοποιημένα δεδομένα και μας κάνουν υπερήφανους για τις βελτιωμένες φωτογραφίες μας ή την ψηφιακή μουσική. Ο Ντέιτα από το Star Trek, ωστόσο, παραπονιέται ότι ενώ είναι προγραμματισμένος να κλαίει, δεν μπορεί να κατανοήσει τον λόγο που κλαίει. Τουλάχιστον ο Ντέιτα ήταν σε θέση να αναγνωρίζει τα συναισθήματα, σε αντίθεση με τους τελευταίας τεχνολογίας υπολογιστές που εξακολουθούν να μην μπορούν να το κάνουν.

    Τα τελευταία χρόνια η αλληλεπίδραση ανθρώπου-μηχανής αποτελεί αναπόσπαστο κομμάτι της καθημερινής ζωής, αλλά συνήθως χαρακτηρίζεται ως δυσλειτουργική, επειδή οι άνθρωποι αισθάνονται αμήχανα όταν πρέπει να επικοινωνούν με ένα απρόσωπο bot. Το πιο απλό παράδειγμα είναι η απώλεια μιας ανέπαφης πιστωτικής κάρτας. Φοβόμαστε ότι κάποιος μπορεί να τη χρησιμοποιήσει για να πραγματοποιήσει τις συναλλαγές του, χρεώνοντας τον τραπεζικό μας λογαριασμό και το αυτοματοποιημένο σύστημα του τηλεφωνικού κέντρου της τράπεζας, δεν φαίνεται να γνωρίζει τη δυσαρέσκειά μας και συνεχίζει την αυτοματοποιημένη διαδικασία.

    Μια λύση στο πρόβλημα έχει σχεδιαστεί από την Behavioral Signals. Τα τελευταία τρία χρόνια, η εταιρεία εργάζεται για την ανάπτυξη αλγορίθμων που προβλέπουν ανθρώπινα συναισθήματα με βάση την ανάλυση των ψηφιοποιημένων φωνητικών δεδομένων. Έχοντας παρουσία στην Ελλάδα και το Λος Άντζελες όπου εδρεύουν τα τμήματα ανάπτυξης και εμπορίου, η εταιρεία εργάζεται επί του παρόντος κυρίως σε εκπαιδευτικά μοντέλα στην αγγλική, την ελληνική και την ισπανική γλώσσα.

    Σε μια πρόσφατη συζήτηση κατά τη διάρκεια της σύντομης επίσκεψής του στην Ελλάδα, ο Rana Gujral, Διευθύνων Σύμβουλος της Behavioral Signal, διερεύνησε τις τεχνολογικές προκλήσεις του εγχειρήματος και τα επόμενα βήματα της εμπορικής ανάπτυξης. Πρακτικά, οι αλγόριθμοι που δημιουργούνται από την Behavioral Signals δημιουργούν μια ουδέτερη ως προς τη γλώσσα πλατφόρμα, που μπορεί να αποτελέσει οποιοδήποτε από τα στρώματα μιας εφαρμογής. Αν και ακούγεται περιοριστική, δεδομένου ότι οι πλατφόρμες και το cloud γίνονται όλο και πιο αλληλένδετα, στην περίπτωση της Behavioral Signals, οι αλγόριθμοι μπορούν να ενσωματωθούν σε ένα τσιπ και για την ανάλυση των δεδομένων, ένας απλός επεξεργαστής smartphone θα μπορούσε να κάνει τέλεια τη δουλειά.

    Στην καρδιά της πλατφόρμας βρίσκονται αλγόριθμοι που μπορούν να αναγνωρίσουν περισσότερα από δέκα διαφορετικά συναισθήματα στην ανθρώπινη ομιλία. Αυτοί οι αλγόριθμοι είναι το πιο πολύτιμο περιουσιακό στοιχείο της εταιρείας, δεδομένου ότι είναι ο καρπός της πολυετούς ερευνητικής εμπειρίας του Shri Narayanan, ενός από τους συνιδρυτές της εταιρείας και είναι επίσης καταχωρημένοι ως πατέντα. Σύμφωνα με τον Rana Gujral, ένα κρίσιμο χαρακτηριστικό που διαφοροποιεί την Behavioral Signs από τον ανταγωνισμό είναι η ικανότητα της πλατφόρμας να είναι αγνωστική. Αυτό σημαίνει ότι οι περισσότερες από τις άλλες εταιρείες έχουν αναπτύξει μηχανές συναισθημάτων, σε προϊόντα που στοχεύουν κάθετες αγορές.

    Όταν η συζήτηση με τον Rana έθιξε τη ρομποτική, η φωνή του έγινε απροσδόκητα ζωντανή. Είναι αυτονόητο ότι τα επόμενα χρόνια η ρομποτική θα δώσει εκπληκτικές λύσεις. Τα ρομπότ συντροφιάς, που χρησιμοποιούνται κυρίως από τους ηλικιωμένους, είναι ήδη εμπορικά διαθέσιμα και η αναγνώριση των ανθρώπινων συναισθημάτων αποτελεί αναπόσπαστο μέρος της λειτουργίας τους. Σύμφωνα με την πρόσφατη έρευνα "Voice-Only Communication Enhances Empathic Accuracy,”, από τον Michael Kraus της Σχολής Διοίκησης Επιχειρήσεων του Yale, η ακρίβεια της αναγνώρισης των ανθρώπινων συναισθημάτων μειώνεται όταν η ανάλυση βασίζεται τόσο σε φωνητικά δεδομένα όσο και σε δεδομένα εικόνας. Συνεπώς, εάν η φωνητική λύση της Behavioral Solutions εφαρμοστεί σε ένα ρομπότ, τότε θα ήταν πιο ασφαλές να επεξεργαστούμε μόνο τα φωνητικά δεδομένα για να καταγράψουμε τα ανθρώπινα συναισθήματα.

    Μετά από δύο γύρους χρηματοδότησης, ο πρώτος στα 2,5 εκατομμύρια δολάρια και ο δεύτερος χωρίς να αποκαλυφθεί το ποσό, η Behavioral Signals επικεντρώνεται τώρα περισσότερο στην παγκόσμια επέκταση και την ανάπτυξη της επιχείρησής της που θα ενισχύσουν και την κεφαλαιοποίησή της.
     

    ΣΑΣ ΑΡΕΣΕ ΤΟ ΑΡΘΡΟ;

    Forbes 100+ The Greek List

    ΣΧΕΤΙΚΑ ΑΡΘΡΑ

    Jeff Bezos

    Jeff Bezos

    149,3 δισ. $

    -3.498,6 εκ. $

    Bill Gates

    Bill Gates

    100,0 δισ. $

    -609,9 εκ. $

    Bernard Arnault

    Bernard Arnault

    88,3 δισ. $

    -334,4 εκ. $

    Warren Buffett

    Warren Buffett

    83,1 δισ. $

    -947,7 εκ. $

    Mark Zuckerberg

    Mark Zuckerberg

    67,2 δισ. $

    -1.535,3 εκ. $